1、计划 /动态调度和路由模型 重新计划物流活动以应对地震 不可预测性和毁灭性 的地震 影响 着 执行政府 对 灾害易发地区提供实用的应对计划 以及时 减少地震带来的破坏和损失。物流管理是其中一个关键问题 ,应考虑一个适当的 规划 ,特别是规划所需商品的运输在响应和疏散受伤的人。在本文中 ,我们提供了一个动态调度模型和路由汽车以应对地震。我们关注的是两个商品的运输和受伤的人送到医院。该模型是在任何时间收到更新的信息并相有能力的 改变 调整计划。速度是一个关键的 和 一个成功的地震响应 因素 ,模型分层次对受伤的人直到抵达医院 的 总时间最小化 ,以及总时间满足大 众 商品需求。我们设计的实验进行
2、了从提高地震响应效率拓展到提高地震响应质量。 地震是最普遍的自然灾害，强大的地震影响更是毁灭性的。 尽管成千上万的网络化的地 震仪电台安装在世界各地不断分析和强大的电脑数据生成的这些站 ,我们仍无法准确预测何时何地地震将罢工。这个随机和不可预测性地震地震实施政府制定全面计划响应来减轻损害和损失。精心策划的后勤支持业务贡献显著减少地震损失和赔偿和保持一场灾难后幸存者。 在灾难发生后立即 ,工作主 要集中在寻找和营救幸存者。这需要后勤支持通过运送受伤人们从 受灾地区医院或其他紧急医疗中心。这是皮毛 ,具有必要分派商品 (如食物和帐篷 )和设备受影响的地区。这些商品可以来自指定的仓库或直接从供应商。
3、相当大的不确定性的情况下赖斯 -规划设计、调度和运输商品来自各种地方的不同规划区域可能会导致相当大的复杂性。 进一步的并发症救灾规划相 关的物流数据的事实可能会改变在响应 (易建联和 Ozdamar 2007;Ozdamar et al . 2004年 )。例子是项目需求的变化 ,计划供应商的订货情况在医院 (包括例如能力和服务利率 )或运输基础设施 (道路可能被阻塞由于余震 )。反应 组织因此遇到一个动态的情况下 ,数据可能会改变突然和意外 。此外 ,规则和程序可能需要被改变。例如 ,要提供更多的道路容量从海岸 ,在飓风疏散部分在美国公路 I-16可能完全西行方向操作。这两个往东的车道 I-
4、16可以转化为西行的车道时必需的 (CEMA 2011)。 这些变化可能对响应计划和有很大的影响因此可以根据这些变化是有益的调整计划。一个决策支持系统提供可能性轻易调整计划基于这样的新信息可以更好地促进物流活动的计划组织参与灾难的反应。 本文旨在建立一个数学模型 ,使中央的身体协调和 (重新 )计划物流活动同时考虑现有的 计划和新网络中可用的数据变化情况和需求。政府经常设置这样的灾难灾难发生后协调中心。我们也考虑两个层次目标函数关注减少运输时间货物和受伤的人。第一个目标打算最小化总等待时间的伤员灾难响应到达的时刻医院在规划周期。第二个目标是最小化总等待规划周期期间从需要的那一刻起 ,直到货物到
5、达在该地区的影响。 提出了混合整数 ,多目标 ,多种商品 ,综合模型包含条件和约束中遇到地震的现实响应。它包含了各种车辆和车辆的能力以及多样性联合运输的模式允许商品和受伤的人。此外 ,我们的模型能够在任意时刻处理更新计划动态条件下的响应。我们的模型可以选择另外的车了每次需要重新规划。此外 ,我们的模型的区别 之间流动的商品和受伤人员的流动。 此外 ,值得注意的是 ,该模 型和算法实现物流决策支持系统 (LDSS),可以使用的灾难在救灾行动协调中心。这个软件已经为了便于运输计划和再计划活动期间地震响应。这个软件接收网络情况的变化和更新基于这些变化的计划。更多关于如何将这些变化的信息确定并提交一个
6、灾难协调中心提出了纳杰菲等。 (2012)。 最后 ,值得注意的是 ,一场灾难协调中心本身可以定义当使用这个模型 ,当改变计划 ,例如 ,依赖于规模的变化。一些灾难协调中心 可能更愿意重新计划物流活动只有在特定的变化如封锁道路 ,重要变化的需求或供应或医院的能力。相反 ,其他人可能会喜欢较小的更改之后重新计划活动如道路拥堵或一个小的增加可用的车辆。 本文组织六个部分。第二节 提出了文学的简介。该算法和数学模型。 3。我们连续说明该模型及算法在教派。 4,使用一个例子我们分析该模型来确定所选因素对地震的影响响应质量。 5。最后 ,我们得出结论并讨论未来的研究方向。 6。 2文献综述 一些研究人员
7、 提出了模型规划物流并在特定运输在反应阶段的一场灾难。的很大一部分研究侧重于商品物流。例如 ,诺特 (1987)提出了一个线性规划模型对散装食品运输。本研究最小化运输成本和最大化的食物对于一个给定的卡车交付舰队。诺特 (1988)另外建立了一个线性规划模型来确定车辆安排灾区运送散装食品。雷 (1987)一个商品 ,多模式网络流模型对生产网络一个多阶段的规划周期。在这个模型中发生费用的总和的运输和贮存食品在西非是最小化。哦和 哈格尼话 (1996,1997)也认为大宗商品物流。然而 ,他们制定和解决多种商品 ,多模式网络流模型的救灾行动。在他们的研究中 ,作者分析了运输大量的不同的商品 ,如食品
8、、服装、医药、医疗用品、机械 和人员的损失降到最低生活和救援的效率最大化操作。 3动态调度和路由算法 (DDRA) 正如前面提到的 ,本文提出了一种动态更新算法在地震响应物流计划。为了保证有效的和有效的反应 ,灾难协调中心应该检查网络环境的现状和需求 ,决定更新计划。当更新计划管道派遣商品赶赴受灾地区以及受伤人已经去医院需要考虑。的一些这些商品或者人 ,显然 ,将会到达目的地的的时刻再计划而其他人仍将航路。因为我们明确地考虑计划更新在救灾中 ,本文提出了一个动态算法和模型提供一种可能性来更新网络任何变更后情况在网络。 3.1 总体描述 提出了动 态调度和 路由算法 (DDRA)包括四个主要的步
9、骤 ,利用混合整数、多目标、多 ,多种商品模态模型来重新计划物流活动。主要假设模型如下 : 需求节点 ,供应节点 ,紧 急医疗中心 ,医院和它们之间的距离是已知的在所有再计划迭代。 有几种类型的受伤的人有不同的优先级。这些类型的受伤的人民和他们的优先级可以被归类依赖等因素受灾地区的条件、战略协调中心的灾难或地震的震级。例如 ,他们可能会被归类到六级如下 :致命的 ,关键 ,切断 ,严重的 ,温和的和次要的 (AAAM2008)。 有几种类型的商品有不同的优先级。这些类型及其优先级可以定义依赖于 几个因素等策略灾难的协调中心或受灾地区的状况。 有几个可用的交通方式 ,如直升飞机、卡车、救护车和火
10、车 ,每个都有一个预期用途和具体的能力和能力。一些车辆的目的是把受伤的人 ,他们中的一些人是为了运输商品和其他车辆都打算携带大宗商品和受伤的人 (虽然不是在同一时间 )。 依赖于它的功能 ,可以选择一辆车来运送商品或受伤的人。 没有车辆可以同时携带大宗商品和受伤的人。 车辆选择携带商品可以从一个运输商品供应节点需求的一个或多个节点。同样 ,车辆被选中运送受伤的人可以把受伤的人从一个节点的影响一个或多个紧急医疗中心或 医院。 传输货物或受伤的人是两个合适的车辆之间允许在同一个中间节点在一个特定时间。此外 ,它是假定这种传输不花任何时间。 每个车辆只能传输预先给 定类型的商品或受伤人相应的能力。
11、运输能力在重量和体积的每辆车运送商品的运输能力以及车辆运送受伤的人知道。 有一个初始网络数据的预测 ,比如每个医院的能力或紧急医疗中心 ,供应数量可以在节点和供应影响分网络的需要。此外 ,这些数据可以改变在回应。 一个受伤的人只考虑服役时 ,他 /她一直送到医院或紧急医疗中心。 新数据变化的限制和需要时 ,可用立即响应。 3.2 参数和 变量使用的模型和算法 我们考虑四种类型的真正的网络节点和两种类型的虚拟节点。真正的节点需求节点 ,供应节点 ,节点 (紧急医疗的医院中心或医院 )和中间节点。中间节点是一个真正的节点没有需求或供应和没有医院或急救中心。由虚拟节点虚拟供应节点和虚拟节点的需求。一
12、个虚拟节点是一个暂时的供应两个真正的节点之间的节点 ,包含至少一个车辆运送商品在这两个真正的节点。此外 ,一个虚拟节点是一个临时节点的需求两个真正的节点 ,包含至少一个车辆运送伤员在这两个真正的节点。提出的模型和算法的符号如下 , T:规划周期的长度 , :开 始一个新 的计划 , RN:设置所有实际节点的网络 ,R = | RN |, DN:设置需求节点 ,DNRN和 M = | DN| , SN:大 众 商品供应节点 ,SNRN和 L = | SN | , HN:医院组节点 ,HNRN和 Q = |HN|, IN:中间节点 ,节点不包含供 应商、实体或需求医院 /应急中心 ,INRN和 I
13、= |IN |, 一组 :虚拟节点 , AN:所有真实和虚拟节点 ,N = RN AN,R = | N|, DDN:设置虚拟需求节点 ,DDNAN和 M = | DDN |、 DSN:设置虚拟供应商节点 ,DSNAN和 L = | DSN |, ND:所有需求节点 ,ND = DN DDN和 L = | ND|, NS:设置所有供应商的节点 ,NS = SN DSN,L= | NS |, KN:设置所有节点除了需求节点和供应节点 ,KN = RN D N,S N , NN:设置所有节点除了医院的节点和节点的需求 ,NN = RN H N、 D N , CS:商品类型 ,A= | CS |, V
14、S:设置车辆的类型 V = |VS| WS:受伤的人类型 ,H = | WS |, t,s:表示一个特定的时刻在规划周期 , m:代表一个特定的节点在地震发生时 , m :表示一个特定的虚拟节点包含受伤的人 , M :所有虚拟和真实需求节点的索引 , l:代表一个特定的节点包含一个供应商 , L :表示一个特定的虚拟节点包含商品 , L :索引节点 ,所有虚拟和真实的供应商 q:代表一个特定的节点包含一个医院 , i:代表一个特定节点 , k:代表一个特定的节点设置 KN, n:代表一个特定的节点设置神经网络 , o,p:设置 RN指数 O :设置 N指数 , j:设置一个指数 , a:代表一
15、个特定的商品 , v:表示某一辆车 , h:表示一个特定类型的 受伤的人 , 3.3 数学模型 动态调度 和路由算法 (DDRA)提出了研究利用混合整数 ,多目标 ,多种商品 ,综合模型重新计划物流活动根据网络和更新的情况规划周期的长度。该模型的目标是最小化两个目标层级。第一个是总 (加权 )受伤人的等待时间在规划周期 ,第二个是总 (加权 )更换模具在规划周期不满意商品需求。因为我们假设为受伤的人比满意更重要大宗商品的需求 ,该模型给出了更多的重要性来实现第一个目标是可见的情商 ,(1)。此外 ,它可以很容易地证明 ,受伤的人等于的等待时间受伤的人的数量时间不是从受灾地区 ,和更换模具的商品
16、需 要在规划周期等于满意总和的商品需要时间不满足在规划 (见附录 )。因此该模型利用他们的等价物 ,而不是等待时间 对受伤人员和交货期不满足需求。因此 ,数学模型如下 : 在 TUW和 TUD 分别确定总 (加权 )没有人数和总 (加权 )不满意需要时间可计算之前再计划迭代。因此 ,这些参数是已知的每个再计划迭代 ,可以从目标函数的删除明年再计划。此外 ,这些目标函数分别最小化总 (加权 )均受伤人数 (Eq。1)和总 (加权 )不满意需要在规划周期 (Eq。 2)。 注意 ,正如之前提到的 ,这 些方程是最小化的等级。方程 (1)是最小化。方程(2)然后 最小化的结果从第一个极小化。约束条件
17、 (3)和 (4)决定不满意商品需求和没有受伤的人的数量需求节点 ,分别。 约束 (5)确保派遣商品不 超过了商品节点可以在供应商。约束条件 (6)导致大宗商品不接受留在虚拟节点。他们应该继续他们的路径节点 p或返回节点 o。约束 (7)保证派出受伤的人的数量从一个特定的节点不超过疏散人数的需求节点。约束 (8)执行 ,到了人们不停留在假受伤节点。他们应该继续他们的路径抵达节点 p或者回到节点 o。约束 (9)和 (10)执行物料流和伤员流网络节点。这些限制也保证商品和受伤的人住在中间节点。约束 (11)和 (12)确保所有商品受伤的人被授权的车辆。约束 (13)和 (14)定义传输商品和允许
18、车辆中受伤的人。请注意这些约束 ,允许商品 (约束 13)和受伤的人 (约束 14)车辆和运输方式之间进行切换。约束 (15)、 (16)(17),分别限制商品数量或者受伤的人的数量分配给一个车辆承载重量 ,体积容量或个人能力。约束 (18)限制每个车型的行程现有的弧线。约束 (19)平衡的每个节点和约束 (20)保证没有车辆允许住在虚拟节点。约束 (21)确保数量受伤的人分派到每个医院不超过每个医院的能力。最后 ,最后一组约束定义模型的变量。 自模型目标分层的优先级 ,我们使用词典 方法 (马勒说 ,Arora 2003)在我们的解决方案方法。根据这一方法 ,第一目标函数优化的第一步没有服用
19、第二目标函数考虑在内。接下来 ,第一个目标是固定的得到最优值 (在第一步和被称为 fov),和 第二个目标是最小化。 因此被认为是作为第一个目标函数 额外的约束 到模型中 在第二步中。 一种新的模式 ,包括原来的约束以及新的约束 ,然后解决第二目标函数最小化。 这种方法 保证第一个目标是在第二个优先。此外 ,这种 方法可能降低解决方案的时间。 3.4 DDRA 算法描述 提出 了动态调度和路由算法 (DDRA)有四个步骤 ,这是如下 : 步骤 a。网络更新 , A-1 生成虚拟节点基于车辆的位置 A-2 计算新的节点和现有节点之间穿越时间 步骤 b .信息更新 B-1。 更新需求信息 B-2。
20、 更新供应信息和能力 B-3。 更新可用的车辆信息 B-4。 更新规划周期的长度 B-5。 将虚拟节点添加到节点集的需求或供给基于他们的节点集 需求和供应。 B-6。 没有受伤人数计算加权和加权不满足需求。 步骤 C .利用该数学模型调度和计划的路线 , 步骤 D .如果没有规划周期的结束 ,回到步骤。 这些步骤及其序列图 1中所示。 3.4.1网络更新 在第 一步中 ,所有虚拟节点需要确认。如前所述 ,虚拟中转节点的位置的车辆。为了确定这些节点我们假设 3.4.2信息更新 在第 二步中 ,网络状态和更新规划周期的长度。计算需求和受伤人数在一个虚拟节点 ,如下使用方程。 在这些方程式 ,Y是最
21、近获 得的最优计划对受伤的人。方程 (27)和 (28)计算不满意商品的需求和数量没有受伤的人在受影响的节点时间 。值得注意的是 ,如果 收到商品在一个特定的节点的需求超过要求 ,更新的值将是负面的。方程 (29)和(30)可以利用修改 估计未来的需求和未来的受伤人数的估计的需求节点。 符号 f(.)表示的初始估 计值 (。 ),表明变化估计价值 ,X,Y和 Z是先前获得的最优解。此外 ,方程式。 (31)和 (32)估计可用在每个虚拟商品数量节点在时间 和 t ,分别为 : 此外 ,计算实际供应的商品 数量节点 ,方程 (33)和 (34): 方程 (35)和 (36)提 出了计算医院能力时
22、间 和 t ,分别为 : 此外 ,方程式。 (37),(38)和 (39),分别可以用于计算可用的车辆和车辆添加节点。 最后 ,值得注意的是 ,规划 周期的长度可以改变时以后再计划。注意 ,必须选择 足够远离地平线再计划迭代。如果规划周期的长度太短 ,运输商品项目和受伤的人们不能发生 ,因为是不够的时间到达的商品和 /或受伤的人在各自的目的地 。 4 一个说明性的例子 本节提供了一个说明性的例子来展示该模型是如何工作的 和获得的结果可能是什么。为此 ,利用该模型计划 /重新计划物流活动在网络样本 ,类似于西方地区的伊朗。网络我们考虑有 13个节点 ,38运输弧和四个类型的车辆包括 30辆卡车
23、,三个火车 ,11个直升机和 30辆救护车。此外 ,节点之间的平均旅行时间时间是描绘在图 2中。所有车辆的运输能力。我们假设一架直升机 携带商品和受伤的人但不是在同一时间 ,火车和卡车授权可以运输商品 ,救护车把受伤的人。在另外 ,有四个供应商和四个医院位于节点 N1,N4,N5,N12和 N2， N4，N5， N11分别为 (见图 2)。 现在假设地震袭击了这个网 络 ,和节点 N7,N8和 N9发生损失。的初始估计所需的商品和数量受伤的人在接下来的 8期表 1中给出。 此外 ,表 2和图 3显示可用 的商品和医院能力的时期。此外 ,表 4、 5、 6显示更多关于商品的信息和损伤类型、车辆类
24、型和可用的车辆在每一个节点。 该模型利用计划的运输受伤 的人大宗商品和车辆的运动 。表示之前 ,最小化总加权模型均受伤人数和总加权不满足需要的等级。由此产生的运输伤员的计划 和大宗商品以及汽车运动中描述了未来 12时间无花果 3号和 4号。在这些数字 ,广场的符号描述商品运输 ,圆形广场符号表示传输受伤的人。如图 3所示 , 第一列 tshows运输的时候 ,第二和第三列 (A1和 A2)分别显示派遣商品的数量。接下来的三个列 (V1-V3)显示车辆运输派遣商品的数量。最后 ,最后一列显示了派遣商品的目的地。 有两种类型的数据在图 4。 附加说明的数据显示空 汽车 ;常规数字证明了非空车辆运输
25、商品或者受伤的人。 考虑 ,例如 ,节点 N12,在图 3中 t = 1。有 35项商品类型 1和商品类型的 23项 2这个时候在吗这个节点。根据计划 ,25件商品 1型派的观点 N7的需求通过直升机。此外 ,该节点的所有可用项目的商品 2型和 10件商品 1型派往节点 N10通过卡车。在这些派遣商品到达节点 N10在 t = 4,他们继续他们的路径 节点 N8。现在考虑节点 N8在图 3中 t = 4。类型 1的六人受伤感动是一架直升飞机去医院位于节点 N2和 12人受伤 1型是由另外两个直升机运送到医院位于节点 N5。 节点 N8在 t = 4在图 4中显示的两个三个直升机出动从节点 N5
26、在 t = 3,其中一个被从节点 N2在 t = 3。 此外 ,这时 (t = 4),24人受伤类型 1和 6人受伤的类型 2是由 15救护车运输节点 N10(参见节点 N8在 t = 4图 3)。这些人从这个节点 (N10医院位于节点 N11。在另外 ,5的 15辆救护车从节点 N被派遣 11在 t = 1,10的那些被派从节点N5在 t = 1(参见节点 N8在 t = 4图 4)。 现在假设一个余震发生在附 近的节点 N9在 t = 5堵塞了道路节点之间 N9和 N7。因此 ,需求的估计医院和供应商能力被重新考虑 ,已调整水平见表 7,8,9,10。此外 ,表 11显示信息汽车在未来将被
27、添加到网络。由于这些新的估计 ,我们假设灾难协调中心决定改变其规划周期从 12到 18期。 考虑到上面提到的调整和利 用 DDRA算法结果在下面的图和表 (图 5,表 12、 13、14)。作为图 5显示 ,6虚拟网络中的节点标识在 t = 5。有 19节点包括 13实际网络中节点和 6个虚拟节点。此外 ,第一列的表 12 - 14显示了没有受伤的情况人 ,不满足需求和可用的车辆在 t = 5。最终的使用算法结果的反应计划无花果。 6和 7中所示。 有几个新的和旧的计划之间的差异为例 ,节点 N7之间的道路和 N9已经不再阻止车辆运动这两个节点之间是可能的。因此 ,节点 N9的需要必须通过另一
28、个路径(另一种方法是 N6- n9)。此外 ,由于电弧 (n7- n9)被阻塞 ,有大宗商品和车辆节点N16这应该返回节点 N7。现在考虑节点 N7在 t = 4最新版本的计划 (图 3)。根据这一计划 ,两辆卡车运输 57项商品 1型和 40件商品 2型节点 N7节点 N9在 t = 4。这些卡车 (中转 )应该返回节点 N7在 t = 5,因为阻塞在电弧 (N7- n9)。这些商品之后派从节点 N7节点 N6在 t = 6(见图 5)。最后 ,五项商品 1型和五项商品交付 2型节点 N7在 t = 7。剩下的商品 (即 52项商品类型 1和 35商品类型 2)派遣节点 N9从节点 N6在
29、t = 7。这些商品到达节点 N9在 t = 9。尽管这些卡车的路径 (位于虚拟节点 N16在新的网络 )有了明显的改变 ,没有改变的路径之间的卡车中转吗节点 N3和 N6(或位于虚拟节点 N14在新的网络 )。此外 ,卡车的路径位于虚拟节点 N17N18和 N19没有变化所有人。这些车辆继续先前的路径到达节点 N8,N10和 N10,分别 (图 8)。另一个计划的变化发生在节点 N12。根据旧的反应计划 ,供应商在节点 N12分派 19件商品 2型节点N11在 t = 5。这些商品之后派从节点 N11到节点 N10在 t = 7。根据新的应对计划 ,只有 17项的商品类型 1和 19项的商品
30、发送 2型节点 N12节点 N10在 t = 5,从节点 N10 节点 N5在 t = 8。最后 ,这些商品 (例如 17项商品 1型和 19项商品类型 2)派出的节点N5来节点 N7通过直升机。重要的是要注意 ,因为需求的增长为商品 2型节点 N7以及对大宗商品的需求在节点 N 1型 8,改变商品数量派往这些节点的新计划。无花果。 8显示 ,货物从节点 N5节点 N7从 25项 1型的吗 10项 1型和 15项 2型 (注意 ,只有 35项的类型 1和 2型的 15个项节点在 t = 5)。此外 ,货物从节点 N5节点 N8改变从 10项类型的类型 1的 1到 25项。额外的对比这两个计划图
31、 8中所示。 更新响应计划的调查表明 ,运输受伤的人已经被改变了。例如 ,考虑节点 N2在 t = 1。在旧的反应计划 ,7辆救护车被派从节点 N2节点 N7在通过路径 N2- n4- n7 。这些车辆到达节点 N7在 t = 5。四个七辆救护车接 8人受伤的 2型和运输到医院位于节点 N4。此外 ,其余三辆救护车被派往节点 N9从节点 N7。这些车辆到达节点N9在 t = 7和 6受伤的人 1型和交通节点 N7。这些受伤 的人然后送往医院位于节点N2直升机在 t = 9。然而 ,在新计划 ,三个救护车到达节点 N7在 t = 5不接任何受伤的人。他们继续他们的路径节点 N9通过的路径 N7-
32、 n6- n9。请注意这些救护车从节点 N7没有直接派遣节点 N9由于道路阻塞的新计划。他们到达节点 N9在 t = 8,这七个救护车接 13伤员的 1型和交通节点 N7通过路径 N9- n6- n7。后抵达节点 N7在 t = 11,12人的 13个被发送医院位于节点 N2两架直升机和其中一个发送到医院位于节点 N5由另一个直升机。图 9显示了这些改变。 值得注意的是 ,新事件随时 可能发生变化 ,有时反应计划不可行。在这种情况下 ,利用 DDRA算法 ,该模型不仅能将现有的一个新的计划可行的计划 ,但也将改善没有受伤的人的数量未满足的需求。 5 的分析模型和算法 时 间 的 获得一个解决方
33、案和相关计划获得的效率考虑因素的应用提出的模型和算法应对灾害。我们的方法已经开发了中等复杂的问题 (60 - 70个节点 ,200 - 250运输弧 ,400 - 450年不同车辆 )。在这种情况下 ,该模型和算法效率呈现结果很快。表 15显示了计算时间和相对差距比例在三个中型和大型问题。这些问题已经解决了由 MATLAB R2010b GAMS 23.2和 CPLEX优化 12.1.0与英特尔酷睿一台笔记本电脑 i7 2.70 GH CPU和 8 g DDR3内存。 考虑表 15例 3,其中网络 包括 71真正的节点和 20虚拟节点 ,13个影响节点 ,16供应商和 21医院 ,665车辆
34、:364卡车、 40直升机和 261救护车。总需求的三种类型的商品两种类型的受伤的人加起来 ,分别为 53403和 3016单位。作为表 15所示 ,我们的算法结果大约 30分钟后在一个合适的计划计算时间的任何更新。请注意 ,我们的算法也可以用于更大问题 ,有充足的时间用于 再计划或一个更大的地方相对间隙是可以接受的。 在灾难的现实反应 ,还有其 他几个相关因素 ,如地震震级、医院和供应商能力 ,可用车辆和可用的设备影响地震反应的速度。很多的关系这些因素和地震响应的速度速度是显而易见的。例如 ,更多的供应商能力导致更快的响应。然而 ,和大小的影响数量的医院或供应商和网络拓扑结构的响应速度那么简
35、单的。假设所有已知的因素如医院能力 ,供应商容量和可用的车辆不改变。的问题是政策执行更好的定位医院或供应商 :一小部分供应商和医院大容量或许多供应商和能力有限和医院吗 ?通常情况下 ,建立大量的小容量导致医院和 供应商 高固定成本相比 ,与几个供应商情况和医院有一个大容量。本部分调查都提到的的影响投资政策对地震的反应。为了研究这些政策的影响 ,我们介绍 27实验。这些实验分析三个因素的影响使用 3对地震响应 3析因设计。这些因素都是医院的数量 (nH),供应商数目 (N年代 )和网络结构 (或节点数量 ,NN)。此外 ,如表 16所示每个因素被认为是在三个层次。最后 ,注意所有其他有效的需求等
36、因素 ,受伤的人的数量 ,可用车辆 ,全医院的能力和总供应商的能力是相同的在所有的实验。 27个场景使用归纳如表 16。获得的客观值定义的实验进行了分析使用耶茨 耶茨算法(1937)。获得的结果为两个目标函数表 17所示。如表 16所示 ,医院数量目标的影响在 = 0.01值具有重要意义。 实验表明 ,供应商的数量和网络拓扑结构影响第一目标函数的值。额外的分析获得的价值第一目标函数表明这个目标函数的最佳值达到 3级 (即 NH= 4)。因此 ,许多医院和小能力导致平均较短的等待时间比一些受伤的人医院与大容量。分析第二目标函数的值显示的效果这些值的供应商数量在 = 0.01显著。仔细检查获得的值
37、的目标函数表明 ,最好的价值实现 3级 (即 N年代 = 4)。总之 ,耶茨算法演示的结果定位 一个大量的医院和供应商能力小一些医院和供应商通过大容量的结果在较短的等待时间为受伤的人们和更好的满足需求。当然 ,这些结果是有限的由于这一政策的其他方面 ,如建立医院和成本供应商或所需设备成本 ,没有考虑。 6 结论和未来的研究 地震 响应的关键活动规划物流活动来说是足够的让商品受灾地区 ,人民医院有效和受伤尽可能的高效。本文讨论了文献路由和规划物流活动以应对灾难。我们提出了一个数学模型重点是协助灾害管理者计划 /重新计划物流活动吗地震后的响应阶段。这种模式是物流的重要组成部分决策支持系统 (LDS
38、S)可以在救灾使用。自影 响物流计划的组件 例如供应商的股票 ,医院的能力或网络结构 改变往往在灾难和意外响应提出了一个动态模型能够接收数据和更新在响应调整物流计划。不同于以往提出的模型在这种背景下 ,我们的模型可以更新网络情况 ,并调整物流计划在任何时间。特别是 ,该线性模型包括两个层次目标函数在管理救灾商品和受伤的人在初始阶段的地震响应。另外 ,我们的模型可以重新输入中转的道路车辆在任意时间点通过添加虚拟节点导致更短的响应时间。最后 ,我们的模型是路由和设计的能力各种生产交通工具和解决方案模式 ,同时允许中转运输方式之间切换。这些方面是不 可能的事情由以前的模型。连续 ,给出了一个算例显示
39、该算法和模型是如何工作的。最后 ,一个 33析因设计开发调查三个因素的影响包括网络结构、医院数量相对大量的小医院和供应商能力者优先定位一些医院和大能力 ,因为这将导致的供应商较短的等待时间为伤员服务 ,更好地满足需求。这个结果可以帮助救灾管理战略决策在准备吗应对未来的灾难。 我们的模型和算法实现了在 物流决策支持系统 (LDSS)。一场灾难协调中心可以使用这样一个系统来定义他们的战略和政策 (重新 )防灾规划物流活动 ,依赖于预期的规模问题。为此有必要的中心提供所需的系统准备或估 计提出了所需的数据算法和模型。一个集成的系统反应网络收集数据受灾地区 (如数据、供应商、医院、等 )和使用这些数据重新规划过程应该最好是连接到一个 LDSS。优化车辆容量可以扩展该模型使用。旁边时间 ,在地震反应的重要因素之一是成本。因此 ,汽车运输成本等燃料成本或运费应该考虑以及响应次 ,因为货币灾难响应并不总是十分充裕。此外 ,该模型假定所有参数和数据是明显的和确定的 ,而在现实世界模型的一些参数可能不确定的。因此 ,我们建议考虑的随机性质参数和数据未来的研究。最后 ,该模型假定网络是预定义的。然而 ,在现实中这种假设可能不 是真的 ,因为地震可能完全摧毁道路 ,因此摧毁一个网络。因此 ,开发一个模型可以接收来自网络的在线数据 ,建立可用的网络可能是一个有趣的未来研究。
